基于遥感图像融合的目标检测算法

在一些遥感图像中由于目标不清晰或背景复杂,使得目标的检测变得困难.图像融合可以把来自多传感器的图像信息综合起来,提高对图像信息分析和提取的能力.通过把同一目标的不同传感器获得的图像数据利用小波包变换进行融合,这种方法能够很好地将多源图像的细节融合在一起,得到目标较为清晰的融合图像.在此基础上利用数学形态学的方法进行目标检测,得到了满意的效果,证明了这种方法的有效性.     

基于小波包变换的多光谱图像融合方法研究

小波包分析将频带进行多层次划分，对小波多分辨分析没有细分的高频部分也进行了进一步的分解。本文在研究了小波包图像分析法后，提出了基于小波包变换的象素级图像融合算法。通过把同一目标的多传感器获得的不同波段的图像数据利用小波包变换进行融合，得到融合图像。这种方法能够很好地将源图像的细节融合在一起，完好地显示了源图像各自的信息。     

基于多传感器组网的临空高速飞行器协同检测技术研究

临近空间高速飞行器飞行距离远,速度快,单一传感器对此类目标检测能力有限.为了提高实时检测能力,行之有效的方法是多传感器融合检测.分析了目标在不同俯仰角和方位角时雷达横截面(RCS)随传感器频率的变化情况,分别仿真了X波段、P波段、C波段的探测点迹完整率,并对雷达组网协同检测系统的探测点迹完整率进行仿真.结果表明:采用分布式雷达组网协同检测方法可有效提高检测概率.     

基于多传感器的光电监视系统设计

针对成像系统的传感器日益增多、成像过程越来越复杂,获取的图像数据急剧增加,其系统设计难度不断增加的问题,文中提出一种基于多传感器的数字成像系统。采用三个摄像机共用光路,实现无需图像配准即可得到同一视场的同一时刻图像;通过千兆网传输图像,解决了以往数字图像传输过程中连线过多问题;因为不同传感器的成像特点不同,应用一种改进的双边滤波技术对异源图像进行融合,融合图像质量优于各波段图像,进一步提高了光电监视水平。     

基于最佳邻域重构指数的水下高光谱目标检测

水下机器人仅通过传统光学相机获取图像很难在复杂水下环境中或目标物具有保护色的情况下检测到目标,而通过高光谱技术进行水下目标检测可以改善这一情况;由于直接运用传统高光谱检测方法难以满足水下机器人对水下目标检测的要求,提出了一种基于最佳邻域重构指数(ONRIF)的高光谱目标检测方法,该方法通过线性重构的思想进行邻域寻优,选出信息量高且波段相关性低的波段组合,并使用所选波段的融合图像进行目标检测;结果表明,与直接对原始水下海产品高光谱图像进行检测相比,该方法在保证检测效果的前提下,大量减少了检测时间和数据冗余程度;还提出了一种在相同环境下对同类目标物的单波段快速采集检测方法,大大提高了采集数据的速度,可以满足水下机器人对海产品检测的需求.     

基于红外相机和毫米波雷达融合的夜间行人检测

为了提升夜间环境行人检测的能力,使用红外相机和毫米波雷达进行信息融合.对两传感器数据进行时间配准并分别进行处理,利用改进YOLO算法处理红外图像得到目标类别特征,处理毫米波雷达数据获得目标的距离和速度特征,再建立空间对准模型对两传感器进行目标匹配,最后利用基于特征的融合算法完成夜间行人多模态信息输出.两传感器检测目标首次匹配之后,可以将类别信息反馈给雷达数据处理单元进行记录,当红外图像检测算法漏检时,利用雷达记录的信息补充输出类别特征.通过实验证明该融合算法提升了单一传感器行人检测成功率,在夜间场景具有良好的应用效果.     

一种多分辨率图象数据融合方法及实现

如何对同一目标的多传感器获得的不同分辨率的图象数据进行有效融合,提高对检测目标检测的分辩率,抑制每年传感器的检测噪声,降低检测信息不生,这是数据融合研究的重要课题之一。介绍了一种基于最小均方差的融合方法,并应用于两幅不同分辨率的ＳＡＲ图象的融合,取得了良好效果。     

面向无人驾驶的井下行人检测方法

行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力。实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于提高目标检测精度;Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高。     

基于IHS与小波变换的多波段偏振图像融合

利用多波段偏振图像可以有效地区分人造目标与自然场景,提出利用IHS（彩色空间）变换与小波变换相结合的多波段偏振图像融合方法,使得在融合后的偏振图像I、Q、U中,包含了具有相同偏振特征、不同光谱特征的目标信息,同时能够更加细致、全面的描述场景中的目标;实验结果表明,融合后的偏振图像不仅反应了场景的偏振信息,而且包含了丰富的光谱信息,目标与背景的对比度也得到了增强,为进一步的目标检测和识别提供了便利.     

基于DSmT理论的多视角融合目标检测识别

现有无人车在目标检测中大多依靠单一检测视角进行多传感器数据融合,受传感器检测范围的局限,难以大幅提高准确率,且对融合过程中的类别判定的高冲突情况处理较少．针对以上问题,本文基于多假设思想提出了多视角检测结果的聚类合并方法,并基于DSmT（Dezert-Samarandache theory）和时序信息,改进了冲突分配准则,降低了目标检测的漏检率与误检率．首先利用图像检测算法检测图像中的有效目标,将激光雷达的目标检测结果投影在图像平面上,通过交并比关系构建2种传感器检测结果之间的关联概率矩阵,基于多假设思想实现聚类合并,获取单帧融合检测结果．针对融合过程中可能出现的类别判定冲突情况,利用DSmT融合识别置信度,并结合时序信息对冲突重新分配,获取目标类别的准确识别结果．最后,通过实车实验对算法的有效性进行了验证．     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合，本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换，得到亮度I，色度H，饱和度S三个分量；其次，利用小波变换融合方法融合多光谱图像的亮度分量与全色图像，并用融合后的图像替代多光谱图像的亮度分量；最后，作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法，不仅较大地增强了融合图像的空间细节表现能力，而且很好地保留了多光谱图像的光谱信息。     

一种基于小波变换的多尺度图像融合方法

近年来图像的数据融合技术在图像处理领域中得到了广泛的重视和应用。如何对同一目标的多源遥感图像数据进行有效的融合，最大限度地利用多源遥感数据中的有用信息，提高系统的正确识别、判断和决策能力，是遥感数据融合研究的重要内容之一。在小波变换金字塔结构的基础上，提出了一种基于小波变换的多尺度图像融合方法，对热红外与可见光图像进行了融合处理。实验结果表明，该融合方法十分有效，获得的融合图像更符合人们的视觉特性，更有利于机器视觉。     

一种基于小波变换的多传感器图像融合优化方法

文中针对小波变换在进行高分辨率图像和多光谱图像融合时，不能同时保持空间信息及光谱信息的问题，提出了一种优化的小波变换图像融合算法。它将高空间分辨率图像和多光谱图像经小波变换后的低频、高频分量先分别进行增强，然后再进行融合，优化了传统的基于小波变换融合方法。并且通过对同一场景的SAR图像和TM图像的融合实验，证明了该算法在有效地保留原图像光谱信息的同时，也很好地保持了空间细节。     

面向MATLAB神经网络工具箱的图象数据融合算法及实现

采用了ＢＰ神经网络对某岛屿的５幅不同波段的ＳＡＲ图象进行融合处理，以便能够获得更为清楚的图象。因神网络的运算涉及大量的矩阵运算，所以采用了ＭＡＴＬＡＢ这一平台来构造ＢＰ神经网络，取得了良好的效果。实验表明，采用的ＢＰ神经网络的图象数据融合的算法及程序设计是有效的，并有广泛适用性。     

基于IHS和小波变换的可见光与红外图像融合

针对红外与可见光图像所表现的目标特征不同,提出了一种基于IHS和小波变换的图像融合方法.首先对可见光图像进行IHS 变换得到亮度I、色度H、饱和度S 3个分量,再对红外图像进行灰度变换;然后对亮度分量和已变换红外图像进行小波分解,对低频分量和高频分量分别采用不同的融合规则;最后进行IHS逆变换得到融合图像.实验结果表明,该方法在红外与可见光图像融合处理中取得了很好的融合效果,优于传统的 IHS变换法和小波变换方法.该方法保留了可见光图像高的空间分辨率和丰富的纹理细节信息,同时融合了在可见光图像中看不到而在红外图像里可以观察到的热目标.     

基于小波框架的多传感器图像融合

图像融合是多传感器信息融合在图像处理领域的一个重要应用,以小波变换为工具是这一领域研究方法上的重大突破。文章从理论上分析了以小波框架进行图像融合优于正交小波,采用不同的融合规则对同一目标的不同聚焦图像进行试验,并对实验结果进行了分析和评价,评价结果与理论分析相吻合。     

基于小波包变换的区域图像融合方法

提出了基于小波包变换的区域图像融合方法。首先对参加融合的两幅图像进行小波包多尺度分解,得到两个金字塔结构。然后,先分别提取每个金字塔最高层(分辨率最低层)的近似分量图像的边缘,把两边缘图像进行或运算以获取两幅图像的共同目标的边缘图像,并求两近似分量图像的均值产生一幅新的近似分量图像,使用文章提出的“区域聚类”的方法对新的近似分量图像进行分割产生一幅标签图像,此图中的每一个区域对应图像中的一个目标,同一区域中的所有像素都取同一个值,不同的区域取不同的值。利用标签图像,对小波包分解后最高层所有的高频细节分量图像按区域能量取大的规则进行区域对区域的融合,形成融合二值决策图。利用此二值决策图对最高层的低频近似分量图像和细节分量图像进行融合,最后重构。并采用均方根误差对该方法进行了客观评价。实验结果表明该方法有较好的融合效果,其融合性能比基于窗口能量取大的单个像素的小波包图像融合方法的融合性能好。该方法体现了真正意义上的“目标融合”。